模擬定位與地圖創建(SLAM)最初用於機器人學中的機器人定位，但最早的SLAM算法實際上並沒有使用視覺攝像頭(機器人學中SLAM壹般使用激光測距儀)。
SLAM對實時性要求較高，但要使解決方案更加準確、穩定、可靠，適用於各種場景，壹般需要相對較大的計算量。目前移動設備的計算能力還不足以支撐這麽大的計算量。為了達到實時性能，往往需要在準確性和穩定性上做出壹些犧牲。
因此，在具體應用中，往往需要根據移動設備的傳感器組合、計算能力和用戶場景來選擇和深度定制合適的SLAM算法。比如無人駕駛汽車和移動AR應用的SLAM算法就很不壹樣。
SLAM的典型應用領域
機器人定位和導航領域:地圖建模。SLAM可以輔助機器人執行路徑規劃、自主探索、導航等任務。科沃斯、塔米以及國內最新的藍寶掃地機器人，通過SLAM算法與激光雷達或攝像頭相結合，可以讓掃地機高效繪制室內地圖，智能分析和規劃掃地環境，從而成功步入智能導航的陣列。
VR/AR:輔助增強視覺效果。SLAM技術可以構建視覺效果更加逼真的地圖，從而從當前視角渲染虛擬物體的疊加效果，更加真實，沒有矛盾。在VR/AR代表產品中，微軟Hololens、谷歌ProjectTango、MagicLeap都采用SLAM作為視覺增強方式。
無人機領域:地圖建模。SLAM可以快速建立當地的3D地圖，結合地理信息系統(GIS)和視覺物體識別技術，可以輔助無人機識別路障，自動避開障礙物，規劃路徑。曾經刷爆美國朋友圈的Hovercamera無人機被應用到SLAM技術。
無人駕駛領域:視覺裏程表。SLAM技術可以提供可視化裏程表功能，並與GPS等其他定位方式集成，滿足無人精確定位的需求。比如基於激光雷達技術的谷歌無人駕駛汽車，牛津大學mobilerobotics小組11改裝的無人駕駛汽車Wildcat，都已經測試成功。
參考以上內容:slam路徑規劃算法——CSDN